專利名稱：一種模型化量子遺傳算法的無線傳感器網絡路由方法
技術領域：
本發(fā)明涉及一種在無線傳感器網絡中的路由選擇方法，主要利用節(jié)點層次化管理和量子遺傳算法來解決傳感器節(jié)點的路由選擇問題，屬于無線傳感器網絡、量子力學、遺傳算法和人工智能應用領域。
背景技術：
無線傳感器網絡是由部署在監(jiān)測區(qū)域內大量的廉價微型傳感器節(jié)點通過無線通信方式形成的一個多跳自組織網絡系統(tǒng)，其目的是協(xié)作地感知、采集和處理網絡覆蓋區(qū)域中感知對象的信息，并發(fā)送給觀察者。無線傳感器網絡節(jié)點的分布式分布、自適應性和智能性使得傳感器網絡具有很強的信息獲取、處理能力，并廣泛應用于環(huán)境預測與預報系統(tǒng)、醫(yī)療護理和軍事戰(zhàn)場情報的獲取等眾多領域。在這些特定領域中，這些網絡節(jié)點可以看作是具有一定信念、期望、意圖和能力的智能節(jié)點。每個節(jié)點部署后的行為和工作狀態(tài)主要取決于自身或與其他節(jié)點、覆蓋環(huán)境的交互。無線傳感器網絡節(jié)點工作狀態(tài)的轉換是網絡自組織運行的重要基礎。在無線傳感器網絡中，智能節(jié)點按一定路徑訪問網絡節(jié)點進行數(shù)據(jù)的本地收集和處理并攜帶處理結果訪問其它節(jié)點，一旦所攜帶數(shù)據(jù)滿足應用所需精度將終止訪問返回觀測節(jié)點，智能節(jié)點路由解決訪問網絡節(jié)點的順序和路徑，是無線傳感器網絡中節(jié)點路由選擇的核心問題之一。當前無線傳感器網絡中基于查詢的路由機制在通信過程中利用一條路徑進行數(shù)據(jù)的傳輸，這種機制在面對網絡攻擊或者其它災害時往往不能夠及時反饋。在傳感器網絡中，路由選擇的設計不僅要關心單個節(jié)點的能量消耗，同時更關心整個網絡能量的均衡消耗，這樣才能延長整個網絡的生命周期。符合這種特征的算法就有遺傳算法。遺傳算法是基于達爾文的物種起源所提出的“物競天擇，適者生存”這一思想，在計算機中模擬生物在自然環(huán)境中的遺傳和進化過程中形成的一種自適應全局優(yōu)化概率算法。與其他的優(yōu)化算法一樣，遺傳算法也是一種迭代算法。從選定的初始解出發(fā)，通過不斷的迭代，逐步改進當前解，直到最后搜索出最優(yōu)解或滿意解。遺傳算法在步驟上主要可以分為下面幾個步驟(1) 問題可行解的空問映射成染色體集合的搜索空間；( 確定適應值函數(shù)、雜交率和變異率等；C3)進行選擇、交叉和變異等操作；(4)在新舊個體中選擇優(yōu)勝者形成新的種群，然后判斷這些染色體是否滿足要求，若沒有則利用剛產生的染色體進行新一輪的選擇、交叉和變異等操作，在這些操作進行完之后將種群中的最優(yōu)染色體還原成為一個可行解作為問題的最優(yōu)解。在遺傳算法中，主要的遺傳操作有三個，分別是選擇、交叉和變異，它們的作用和特點為(1)選擇算子該算子是在適應度值計算之后出現(xiàn)的，參照適應度值，對父代個體進行選擇，常見的選擇算法是輪盤賭選擇；( 交叉算子在遺傳算法中，后代是通過一系列算子來決定的，交叉算子將兩個相互交叉的染色體，對其上的部分基因進行位置交換，可形成兩個新的個體；C3)變異算子該算子將一個體染色體上的基因值用該基因上的其他等位基因來替換，從而形成一個新的個體。在遺傳算法中使用變異算子，其目的有兩個(1) 改善遺傳算法的局部搜索能力；( 保持種群的多樣化，防止早熟現(xiàn)象出現(xiàn)。遺傳算法能從概率的意義上以隨機的方式尋求到問題的最優(yōu)解，但是由于自然進化和生命現(xiàn)象的不可知性，遺傳算法不可避免的存在概率算法的缺陷，遺傳算法最明顯的缺點就是它的收斂問題，包括收斂速度慢和未成熟收斂。要保證算法的全局收斂性就需要維持種群中個體的多樣性，避免有效基因的缺失。要加快收斂速度就要使種群較快的向最優(yōu)狀態(tài)轉移，這又將減少種群的多樣性，陷入局部極值點。一般認為種群多樣性丟失和選擇壓力過大導致了過早收斂，但是若選擇壓力不足，則算法的收斂速度慢，若個體的多樣性不夠，則算法易于陷入局部最優(yōu)，因此遺傳算法的進化過程同時也是一個追求群體的收斂性和個體的多樣性之間平衡的過程。我們知道量子計算具有天然的并行性通過量子計算的研究，極大地加快了對海量信息處理的速度，使得大規(guī)模復雜問題能夠在有限的指定的時間內完成。利用量子計算的這一思想，把量子算法同經典算法相結合，通過對經典表示進行相應的調整，使得其具有量子理論的優(yōu)點，從而成為更有效的算法。量子遺傳算法(Quantum Genetic Algorithm, QGA)就是基于這種思想提出來的。 利用量子計算的一些概念和理論，如量子位、量子疊加態(tài)等，使用量子比編碼染色體，這種概率幅表示可以使一個量子染色體同時表征多個狀態(tài)的信息，用量子門對疊加態(tài)的作用作為進化操作，這樣能夠保持種群多樣性和避免選擇壓力，而且當前最優(yōu)個體的信息能夠很容易的用來引導變異，使得種群以大概率向著優(yōu)良模式進化。隨著11 α 112或11 β 112趨近于1，量子染色體收斂于一個狀態(tài)，這時多樣性消失，算法收斂。量子遺傳算法構造了一種新的用于普通染色體的交叉操作一全干擾交叉，它能夠避免種群陷于一個局部最優(yōu)解，防止早熟，同時采用動態(tài)量子旋轉門對量子染色體實施變異操作，加速了算法的收斂速度。因此在求解優(yōu)化問題時，QGA在收斂速度、尋優(yōu)能力方面均優(yōu)于遺傳算法。

發(fā)明內容
技術問題本發(fā)明的目的是在無線傳感器網絡中設計一條低耗能的路由算法。首先對節(jié)點層次化模型管理，再通過量子遺傳算法整合出整體路由的最佳方案，解決無線傳感器網絡中優(yōu)化求解問題。技術方案本發(fā)明所采用的方法為在一個節(jié)點隨機分布的環(huán)境中，各節(jié)點通過對附近范圍內的節(jié)點的能量檢測，構建出節(jié)點層次化管理的自適應網絡，參考這些信息，通過量子遺傳算法完成最優(yōu)路由選擇。該方法的步驟為第一階段建立無線傳感器網絡中節(jié)點的簇頭管理的模型，對無線傳感器網絡中節(jié)點進行層次化的模型管理；步驟1.在無線傳感器網絡中對節(jié)點分簇按照節(jié)點剩余能量的量值確定節(jié)點的類別，定義一個參數(shù)R，表征節(jié)點的處理信息的能力，R =剩余能量/初始能量，并設定三個級數(shù)rl，r2，r3，R大于r3時，該節(jié)點就成為匯聚節(jié)點，負責處理各簇頭的信息處理和權限識別；當R在r2與r3之間時，該節(jié)點成為簇頭節(jié)點，負責各管理簇內節(jié)點和劃分子區(qū)域；當R 在r2與rl之間時，該移動節(jié)點可以成為端節(jié)點，負責數(shù)據(jù)的采集和處理；當R小于rl時， 該節(jié)點失效；
步驟2.節(jié)點的層次化模型管理參照步驟1中節(jié)點參數(shù)R的值，采用分層管理策略來管理傳感器節(jié)點，匯聚節(jié)點對簇頭節(jié)點采用分布式管理策略，通過授權，使簇頭節(jié)點成為具有一定信息處理權限的中間管理者，對簇域內節(jié)點負責；每個簇頭和簇域內的端節(jié)點之間采用集中式管理策略，各端節(jié)點感知的數(shù)據(jù)經多跳后至簇頭結點進行處理，各簇頭節(jié)點之間采用點對點的方式進行信息交互，在匯聚節(jié)點的作用下，完成對整個節(jié)點信息處理能力的協(xié)調與管理；第二階段基于量子的強大的計算能力和抗早熟特性，構建路由算法，節(jié)點的層次化模型清晰的顯示了各個節(jié)點的信息處理能力，為量子遺傳算法的路徑搜索提供了優(yōu)化的初始環(huán)境；步驟21.染色體的量子比特編碼對源節(jié)點到目的節(jié)點或中間節(jié)點的路徑進行染色體量子比特編碼，并把數(shù)據(jù)信息保存在二維數(shù)組中；步驟22.評測中的個體用適應度評價函數(shù)對染色體進行適應度評估，記錄下最佳適應度染色體及測量結果的最佳序列作為下一步演化的目標值；步驟23.量子交叉具體實現(xiàn)方法是根據(jù)量子的相干特性，在局部染色體中進行全干擾交叉(如表1所示)，使得種群中所有的染色體均參與到交叉操作當中；步驟24.量子變異采用動態(tài)量子旋轉門來實現(xiàn)量子染色體的變異，量子旋轉門為2X2的矩陣，第一行第一列元素為cos θ，第一行第二列元素為-sin θ，第二行第一列元素為sin θ，第二行第二列元素為cos θ ； θ為旋轉角，通過旋轉角度可以改變量子比特染色體的疊加多態(tài)，使種群出現(xiàn)新的個體。所述的量子的強大的計算能力和抗早熟特性是指該路由方法利用量子的疊加性、相干性對無線傳感器節(jié)點的路由選擇進行優(yōu)化，利用全相干操作對局部個體進行遺傳交叉操作，利用動態(tài)量子門對染色體進行量子變異操作，并對這一過程多次迭代，完成最佳路徑的選擇。對無線傳感器網絡中節(jié)點進行層次化的模型管理是指通過匯聚節(jié)點授權的方式對各簇頭節(jié)點進行分布式管理，簇頭負責處理簇域內各個節(jié)點的信息，簇頭節(jié)點之間采用點對點的方式進行信息交互，在匯聚節(jié)點的協(xié)調下，完成對整個節(jié)點的信息處理能力的協(xié)調與管理，為量子遺傳算法提供優(yōu)化初始種群。有益效果本發(fā)明所述的模型化量子遺傳算法的節(jié)點路由選擇設計，首先對通過簇頭分層管理模型對隨機節(jié)點進行預初始化，建立了剩余能量優(yōu)先選擇的節(jié)點選擇環(huán)境， 然后以這些簇頭信息為基礎，映射為量子編碼的信息，然后通過量子遺傳算法的迭代規(guī)則， 找出使整體路由性能最優(yōu)的解。具體來說，本發(fā)明所述的方法具有如下的有益效果(1)用分層管理模型對實時的網絡進行優(yōu)化處理，優(yōu)化后節(jié)點信息為遺傳路由算法提供了良好的初始種群。(2)由于量子計算的并行特性，使量子遺傳算法具有快速的收斂能力，能在較短的時間內得到最優(yōu)路徑解。(3) 一條染色體可以表達多個態(tài)的疊加，縮小了種群的規(guī)模，增加了種群的多樣性。(4)基于動態(tài)旋轉量子門的量子變異可以在整個種群中進行信息交流，使得種群易于發(fā)現(xiàn)優(yōu)秀演化個體。
(5)量子交叉采用全干擾交叉，它能夠避免種群陷于一個局部最優(yōu)解，防止早熟現(xiàn)象


圖1是量子遺傳路由算法流程圖，圖2節(jié)點的管理模型示意圖。
具體實施例方式一、體系結構本發(fā)明所述的路由選擇設計的結構包括節(jié)點的層次化模型管理和在此基礎上的基于量子遺傳的路由算法。節(jié)點的層次化模型管理的方法為采用集中式管理和分布式管理相結合的分層管理模型來對節(jié)點進行管理。每個簇選擇一個簇頭作為中間管理者，節(jié)點和簇頭之間采用集中式的結構，各簇頭之間是分布式管理，這種結構可以有效組織大規(guī)模的傳感器節(jié)點，并且易于實現(xiàn)。所構建的模型主要有3部分組成1.簇頭節(jié)點。簇頭的主要作用在于分割同級別的節(jié)點作用域，以更好的實現(xiàn)節(jié)點之間的分工與協(xié)作。2.匯聚節(jié)點。匯聚節(jié)點記錄和管理簇頭的狀態(tài)信息。3.端節(jié)點。具體完成所分派的任務，實時搜集有用信息。節(jié)點最優(yōu)路徑選擇采用的路由算法是基于量子遺傳算法的。量子遺傳算法的結構包括量子選擇，量子交叉和量子變異。首先對本說明中的幾個重要概念做以下簡要說明(1)量子比特染色體在QGA中，用量子比特表示最小的信息單元。一個量子比特的狀態(tài)可表示為“0” 比特和“1”比特的疊加態(tài)I Φ >= α |0 > +β I 1 >其中α，β需要滿足下面的條件I I α I |2+| I β I I2 = 1，I I α | |2表示測量結果為 ο的概率，11 β 112表示測量結果為ι的概率。在量子遺傳算法中，采用量子比特表示一個基因，可以存儲和表征一個“0”態(tài)、“ 1，， 態(tài)或者它們的任意疊加。該基因表示的不是一個確定的信息，而是包含所有的可能。量子比特編碼如下
權利要求
1.一種模型化量子遺傳算法的無線傳感器節(jié)點的路由方法，其特征在于該方法的步驟為第一階段建立無線傳感器網絡中節(jié)點的簇頭管理的模型，對無線傳感器網絡中節(jié)點進行層次化的模型管理；步驟1.在無線傳感器網絡中對節(jié)點分簇按照節(jié)點剩余能量的量值確定節(jié)點的類別， 定義一個參數(shù)R，表征節(jié)點的處理信息的能力，R =剩余能量/初始能量，并設定三個級數(shù) rl，r2, r3，R大于r3時，該節(jié)點就成為匯聚節(jié)點，負責處理各簇頭的信息處理和權限識別； 當R在r2與r3之間時，該節(jié)點成為簇頭節(jié)點，負責各管理簇內節(jié)點和劃分子區(qū)域；當R在 r2與rl之間時，該移動節(jié)點可以成為端節(jié)點，負責數(shù)據(jù)的采集和處理；當R小于rl時，該節(jié)點失效；步驟2.節(jié)點的層次化模型管理參照步驟1中節(jié)點參數(shù)R的值，采用分層管理策略來管理傳感器節(jié)點，匯聚節(jié)點對簇頭節(jié)點采用分布式管理策略，通過授權，使簇頭節(jié)點成為具有一定信息處理權限的中間管理者，對簇域內節(jié)點負責；每個簇頭和簇域內的端節(jié)點之間采用集中式管理策略，各端節(jié)點感知的數(shù)據(jù)經多跳后至簇頭結點進行處理，各簇頭節(jié)點之間采用點對點的方式進行信息交互，在匯聚節(jié)點的作用下，完成對整個節(jié)點信息處理能力的協(xié)調與管理；第二階段基于量子的強大的計算能力和抗早熟特性，構建路由算法， 節(jié)點的層次化模型清晰的顯示了各個節(jié)點的信息處理能力，為量子遺傳算法的路徑搜索提供了優(yōu)化的初始環(huán)境；步驟21.染色體的量子比特編碼對源節(jié)點到目的節(jié)點或中間節(jié)點的路徑進行染色體量子比特編碼，并把數(shù)據(jù)信息保存在二維數(shù)組中；步驟22.評測中的個體用適應度評價函數(shù)對染色體進行適應度評估，記錄下最佳適應度染色體及測量結果的最佳序列作為下一步演化的目標值；步驟23.量子交叉具體實現(xiàn)方法是根據(jù)量子的相干特性，在局部染色體中進行全干擾交叉，使得種群中所有的染色體均參與到交叉操作當中；步驟24.量子變異采用動態(tài)量子旋轉門來實現(xiàn)量子染色體的變異，量子旋轉門為 2X2的矩陣，第一行第一列元素為cos θ，第一行第二列元素為-sin θ，第二行第一列元素為sine，第二行第二列元素為cos θ ；θ為旋轉角，通過旋轉角度可以改變量子比特染色體的疊加多態(tài)，使種群出現(xiàn)新的個體。
2.根據(jù)權利要求1所述的模型化量子遺傳算法的無線傳感器節(jié)點的路由方法，其特征在于所述的量子的強大的計算能力和抗早熟特性是指該路由方法利用量子的疊加性、相干性對無線傳感器節(jié)點的路由選擇進行優(yōu)化，利用全相干操作對局部個體進行遺傳交叉操作，利用動態(tài)量子門對染色體進行量子變異操作，并對這一過程多次迭代，完成最佳路徑的選擇。
3.根據(jù)權利要求1所述的模型化量子遺傳算法的無線傳感器節(jié)點的路由方法，其特征在于對無線傳感器網絡中節(jié)點進行層次化的模型管理是指通過匯聚節(jié)點授權的方式對各簇頭節(jié)點進行分布式管理，簇頭負責處理簇域內各個節(jié)點的信息，簇頭節(jié)點之間采用點對點的方式進行信息交互，在匯聚節(jié)點的協(xié)調下，完成對整個節(jié)點的信息處理能力的協(xié)調與管理，為量子遺傳算法提供優(yōu)化初始種群。
全文摘要
本發(fā)明給出了一種在無線網絡中的模型化量子遺傳算法的路由選擇方法，該方法通過匯集節(jié)點、簇頭節(jié)點、簇間節(jié)點、端節(jié)點的相互作用建立一個層次化節(jié)點管理模型，實現(xiàn)對各個目標節(jié)點的能量狀態(tài)管理。節(jié)點在進行路由選擇時，首先讀取這些狀態(tài)信息，對量子遺傳算法中初始種群進行優(yōu)化，然后在利用量子遺傳算法的高效搜索性、并行量子計算等特性，采用全相干、動態(tài)量子旋轉門等策略求解源節(jié)點和目的節(jié)點之間存在的最佳路徑，最大限度地來保證網絡總體能量消耗最小，延長無線傳感器網絡的壽命。
文檔編號H04W84/18GK102238686SQ20111018629
公開日2011年11月9日 申請日期2011年7月4日 優(yōu)先權日2011年7月4日
發(fā)明者史倢, 岳文靜, 崔華, 彭婭, 朱起蕊, 李帥, 梁小芮, 章韻, 陳志 , 駱平 申請人:南京郵電大學